Analiza kohortowa w Google Analytics – to proste! Poradnik

Ile razy zastanawiałeś się, które produkty są kupowane praktycznie “od ręki”, a jakie dopiero po dłuższym zastanowieniu? Być może nie wiesz też, z którego źródła ruchu pozyskujesz najwierniejszych klientów? Na te i wiele innych pytań odpowie analiza kohortowa, dostępna w Google Analytics.

Ten prosty i jednocześnie uniwersalny raport pomoże ci podejmować lepsze decyzje biznesowe oraz lokować reklamy we właściwym miejscu i czasie.

Z poniższego artykułu dowiesz się, czym jest analiza kohortowa oraz poznasz konkretne przykłady wykorzystania jej w sklepie online.

Kohorta to grupa ludzi, którą łączy wspólna cecha, np. odwiedziny twojego sklepu w dowolnym dniu/dniach pomiędzy 31 marca 6 kwietnia 2019 roku (patrz pkt 6, w sekcji “Jak modyfikować kohortę?”).

Analiza kohortowa odgrywa bardzo dużą rolę, jeśli chcesz dokonać dogłębnej analizy swojego biznesu.

Patrząc tylko na ogólne dane miesięczne takie jak suma wszystkich zamówień, czy całkowity przychód, nie zwracasz uwagi na to, co naprawdę dzieje się w twoim sklepie online.

Ile osób pojawia się po raz pierwszy na twojej stronie? Jak duża część z nich na nią powraca? Na te i wiele innych pytań odpowie właśnie analiza kohortowa.

Co więcej, jeżeli z miesiąca na miesiąc twój współczynnik konwersji maleje, czas na stronie ulega skróceniu lub następują inne niepokojące wydarzenia, to właśnie ten raport pomoże ci zrozumieć, dlaczego tak się dzieje.

Może być więc tak, że w analizowanym miesiącu nastąpił duży napływ nowych użytkowników, którzy nie są jeszcze oswojeni z twoją marką.

Spędzają więc mniejszą ilość czasu na stronie i częściej rezygnują z przeglądania przed przejściem na nową podstronę.

Analizując wyłącznie metrykę bounce rate albo CTR dochodzisz więc do błędnych wniosków.

Z twoją stroną nic złego się nie dzieje – słabsze wyniki to po prostu efekt większej liczby odbiorców.

Segmentując nowych i powracających użytkowników możesz łatwo sprawdzić, czy powyższa hipoteza jest właściwa.

W Google Analytics tego typu podział znajdziesz w zakładce Odbiorcy – Analiza kohortowa (patrz pkt 1 poniżej, w sekcji “Jak modyfikować kohortę?”).

W większości przypadków twój raport nie będzie obejmował wszystkich danych zebranych przez narzędzie Google.

Aby sprawdzić, czy tak się stało, najedź myszką na ikonę znajdującą się obok nazwy funkcjonalności (patrz pkt 2).

Raport analizy kohortowej możesz czytać na dwa diametralnie różne sposoby.

1. Horyzontalna, czyli pozioma analiza przyda się jeśli pragniesz sprawdzić, jak dana kohorta zachowuje się w kolejnych dniach, tygodniach lub miesiącach od pierwszej interakcji z twoją stroną.

2. Dzięki pionowej, czyli wertykalnej analizie dowiesz się, jak różne kohorty zachowują się w danym tygodniu, miesiącu lub dniu.

Kohortę możesz poddać segmentacji, np. spośród tych osób wybrać tylko kupujących konkretny produkt lub pochodzących z reklamy na Facebooku (patrz pkt 3 i 5).

Funkcje analizy kohortowej w Google Analytics

Obecnie w raporcie analizy kohortowej możesz posortować odbiorców według kilku wytycznych (patrz pkt 4):

• typu kohorty
• wielkości kohorty
• rodzaju danych
• zakresu dat

Typ kohorty

Analiza kohortowa znajduje się obecnie w dalszym ciągu w fazie beta i obecnie umożliwia jedynie podział według czasu pozyskania, czyli dnia, tygodnia lub miesiąca, w którym odbiorca po raz pierwszy odwiedził twoją stronę.

W raporcie ten dzień jest oznaczony jako “Dzień 0”, “Tydzień 0” lub “Miesiąc 0”.

Wielkość kohorty

Liczebność grupy odbiorców zależy od czasu pomiaru. Możesz sortować odbiorców według 3 okien czasowych: dnia, tygodnia lub miesiąca.

Jeżeli zależy ci na bardzo dokładnych danych (np. promocja w twoim sklepie trwa tylko 3 dni), to warto zajrzeć w dane dzienne.

Natomiast jeśli chcesz przeanalizować zachowanie odbiorców na przestrzeni dłuższego czasu (maksymalnie 3 miesiące), to warto sięgnąć po sortowanie według miesiąca lub tygodnia.

Rodzaj danych

Opcja “Dane” to najbardziej rozbudowana funkcjonalność podstawowa analizy kohortowej.

Umożliwia ci sprawdzenie, jakie działania wykonują wybrane kohorty w danym przedziale czasowym.

Poniżej znajdziesz przykłady najciekawszych:

• przychody na użytkownika
• sesje na użytkownika
• czas trwania sesji
• sesje
• transakcje
• utrzymanie użytkowników

Zakres dat

Niestety, Google Analytics nie pomoże ci dokonać analizy kohortowej dłuższej, niż 3 miesiące.

Zakres dat w tej opcji zmienia się w stosunku do wybranej wielkości kohorty:

• wg dnia – zakres dat to 7,14, 21 lub 30 dni.
• wg tygodnia – zakres dat to ostatni tydzień, 3 tygodni, 6 tygodni, 9 tygodni lub 12 tygodni.
• według miesiąca – zakres dat to ostatni miesiąc, 2 lub 3 miesiące.

Kohorta według dnia

Nie powinieneś jej stosować, jeśli średnia dzienna liczba odwiedzających twoją stronę wynosi mniej, niż 100.

Podział danych według dnia oznacza, że dzielisz wszystkie zebrane informacje na bardzo małe części.

W przypadku zbyt małej kohorty otrzymasz więc niedokładne i często przekłamane dane, z których możesz wyciągnąć błędne wnioski.

Dzienne wahania zachowań odbiorców mogą wynikać z tak wielu czynników, że jeśli już stosujesz tę funkcjonalność, rozważ mocne zawężanie kohorty poprzez użycie segmentów.

Warto stosować go, gdy mierzysz krótkoterminowe efekty, np. czasowej akcji promocyjnej lub krótkiej zmiany elementów na stronie.

Kohorta według tygodnia

Porównywanie kohort składających się z odwiedzających w skali tygodnia da ci dużo szersze spojrzenie i bardziej wiarygodne dane. Jednocześnie ich wielkość nie utrudnia przeprowadzania bardziej szczegółowych analiz.

W większości przypadku warto korzystać właśnie z tej wielkości kohorty.

Ten typ analizy nie przyda się niestety w przypadku większości akcji promocyjnych.

Trwają one zazwyczaj tylko kilka dni, więc wielkość według tygodnia jest dla nich zbyt szeroka.

Kohorta według miesiąca

Jeśli pragniesz zanalizować lojalność odbiorców na przestrzeni kilku miesięcy, to tylko ta wielkość da ci taką możliwość.

Niestety, w chwili obecnej Google Analytics pozwala na analizę danych tylko do 3 miesięcy od momentu pozyskania odbiorcy.

Oznacza to, że analizie kohortowej umyka wiele długotrwałych trendów, a liczba kohort, które możemy analizować jest dużo mniejsza, niż w przypadku pozostałych dwóch wielkości grup odbiorców.

Aby lepiej zrozumieć, jak korzystać z tego rozbudowanego raportu, posłużmy się przykładem:

Przypuśćmy, że podejrzewasz, iż najbardziej wartościowi klienci używają urządzeń Apple, a dokładnie iPhone’ów.

Dzięki analizie kohortowej dowiesz się, czy twoje przypuszczenia są prawdziwe. Jak?

1. Ustaw odpowiedni segment. Analiza kohortowa bez segmentów to jak pogodzenie się z faktem, że “50% reklam to przepalony budżet. Niestety nie wiemy, które 50%”.

2. Ustal, czego chcesz się dowiedzieć. Czy zależy ci na ich lojalności w czasie, łącznej wartości zakupów, łącznej liczbie zakupów a może potrzebujesz średniego współczynnika konwersji?

Gdy już zdecydujesz, wybierz odpowiednią opcję w zakładce Dane.

3. Odpowiedz sobie na pytanie jak duża powinna być twoja kohorta – w przypadku długofalowych działań może być to miesiąc, a jeśli analizujesz szybką promocję warto zajrzeć jak odbiorcy zachowywali się każdego dnia jej trwania.

4. Zastanów się, jak długo chcesz analizować kohortę. Krótka akcja reklamowa to tydzień, maksymalnie dwa.

Wyłapanie trendu może oznaczać konieczność ustawienia zakresu dat nawet na ostatnie 12 tygodni.

5. Dowiedz się, czy wolisz analizować odseparowane dane, czy porównywać kohortę z inną grupą odbiorców.

Pamiętaj, że analiza kohortowa umożliwia dodanie wielu segmentów do raportu. Warto więc skorzystać z tej opcji, jeśli chcesz dowiedzieć się np. klienci z którego źródła ruchu są najcenniejsi pod kątem liczby czy wartości zakupów.

Tak wygląda raport, gdy analizujemy dwa segmenty jednocześnie:

6. Jeśli chcesz obliczyć średnią liczbę lub wartość działań w okresie tygodnia 0, 1, 2 itd., zsumuj dane i podziel przez liczbę okresów czasu. W przykładzie poniżej powinieneś dodać do siebie dane liczbowe z okresu od 31 marca do 11 maja i następnie podzielić tę sumę przez 6 (czyli tyle, ile jest kohort).

7. Jeśli zależy Ci natomiast na ustaleniu, jaka jest całkowita wartość zamówień dla konkretnej kohorty, to powinieneś zsumować wszystkie dane tygodniowe dla danej grupy odbiorców.
W przykładzie powyżej, po prostu dodaj kwotę 1978,86 do kwoty 185,98, aby dowiedzieć się, jaka jest wartość zakupów osób, które weszły po raz pierwszy do sklepu pomiędzy 31 marca a 6 kwietnia.

8. Zależy Ci na poznaniu średniej wartości 1 użytkownika? Analiza kohortowa niestety nie oferuje łatwego obliczenia LTV (całkowitej wartości klienta), ale umożliwia poznanie, ile jest wart w okresie maksymalnie 3 miesięcy od pierwszego kontaktu z twoim sklepem.

W pierwszej kolejności zsumuj wszystkie tygodnie, w których zaistniała sprzedaż w danej kohortcie.

Następnie podziel sumę przez liczbę użytkowników podaną pod zakresem dat danej kohorty. W przykładzie powyżej, 1 odbiorca z pierwszej kohorty ma średnią wartość 1,08 zł (2164,84 zł / 2010 użytkowników).

9. Zauważ, że każda kolejna kohorta posiada zestaw danych pomniejszony o jeden tydzień.

Na zrzucie ekranu powyżej widać wyraźnie, że w przypadku kohorty nr 1 dostępne dane obejmują 6 tygodni od momentu pierwszej wizyty (tydzień nr 1 zaczyna się 8 dnia od pierwszej wizyty).

W przypadku każdej kolejnej jest to o 1 tydzień mniej, ponieważ odbiorcy pojawili się w sklepie o tydzień później.

Nie ma więc jeszcze danych z szóstego tygodnia od momentu ich pierwszej wizyty (w momencie analizy mija 5 tydzień dla kohorty nr 2, 4 tydzień dla kohorty nr 3 itd.).

Nie porównuj więc ze sobą poszczególnych kohort (osób pozyskanych w różnych przedziałach czasu), gdyż każda z nich posiada inną liczbę danych.

Klikając lewym przyciskiem myszy w daną kohortę otrzymasz możliwość zapisania jej jako segmentu.

W ten sposób bardzo szybko poznasz, kim są osoby, które weszły na twoją stronę w wybranym dniu, tygodniu lub miesiącu.

W jakim są wieku, z jakiej miejscowości przybywają? Jakiej są płci? Z którego źródła pochodzą?

Segmentu tego typu możesz użyć w dowolnym raporcie dostępnym w Google Analytics.

Analiza kohortowa bez zastosowania zaawansowanych segmentów przyda ci się w bardzo ograniczonym zakresie, ale dzięki niej poznasz ogólne tendencje do różnych zachowań twoich odwiedzających.

Zagłębiając się bardziej w dane, możesz odkryć wiele ciekawych zależności, np. różnicę pomiędzy wartością użytkownika pozyskanego z Facebooka, a osoby, która znalazła cię w wynikach organicznych Google.

Artykuł pomocy Google podaje również jeszcze jedną ważną funkcjonalność analizy kohortowej.

Dzięki niej możesz nie tylko obserwować trendy w dłuższym okresie czasu, ale również mikrotrendy, przyczyniające się do tych pierwszych.

Jeśli na przykład zauważysz, że odbiorcy z reklam na Facebooku odwiedzają twój sklep raz i już nigdy nie wracają, warto rozważyć kampanię angażującą ich ponownie.

Wybierając “Przychody” w funkcjonalności Dane, w prosty i szybki sposób zobaczysz, ile warci są odbiorcy w poszczególnych kohortach.

Aby dowiedzieć się, jaki wynosi rzeczywisty zysk z każdej osoby na przestrzeni maksymalnie 12 tygodni, dodaj otrzymane dane i podziel przez liczbę okresów, np.

Kohorta: użytkownicy, którzy weszli po raz pierwszy na stronę w okresie pomiędzy 17 a 23 lutego 2019.

Zakres dat: 4 tygodnie (tydzień 0 – tydzień 3)
Suma wszystkich przychodów z kohorty w tym okresie: 51 644,76 zł
Średni przychód na użytkownika w wybranym okresie: 51 644,76 zł / 31 185 użytkowników = 1,66 zł brutto

Dzieląc uzyskaną kwotę przez 1,23 otrzymamy przychód netto, który w naszym przykładzie wyniesie 1,35 zł.

Aby obliczyć zysk na czysto, musimy pomnożyć otrzymaną kwotę przez naszą średnią marżę. Jeśli wynosi ona np. 20%, to średni zysk/użytkownika wyniesie 0,27 zł.

Tyle właśnie jest wart statystycznie 1 klient sklepu, który odwiedził nas po raz pierwszy w okresie pomiędzy 17 a 23 lutego.

Oczywiście na tym nie koniec. Obliczyliśmy średnią wartość puli wszystkich użytkowników. Jeśli chcemy sprawdzić, którzy konkretnie odbiorcy są najbardziej wartościowi, to powinniśmy dodać do raportu takie segmenty jak np.:

• podział według źródła pozyskania ruchu

Tak natomiast wyglądają ustawienia powyższych segmentów:

Po krótkich obliczeniach widzimy, że najbardziej wartościowi odbiorcy przyszli z ruchu bezpłatnego, czyli wyszukiwarki Google.

• podział według kampanii reklamowej

W tym przypadku potrzebujemy kampanii zawierających w URL znaczniki UTM. Jeśli mamy połączone konto Google Ads z Google Analytics, to dane automatycznie zaciągną nam się w sposób właściwy. Jeśli natomiast chcemy je porównać z kampaniami na Facebooku, to te drugie muszą posiadać UTMy.

Pamiętaj, że Analytics nie bardzo lubi się z Facebookiem, gdyż oba narzędzia posiadają inne modele atrybucji. Więcej na ten temat możesz poczytać tutaj:

Dlaczego Facebook liczy konwersje inaczej niż Google Analytics?

Aby utworzyć potrzebne segmenty, wpisuj nazwy kampanii lub części nazw kampanii w Nowy Segment – Źródła wizyt – Kampania.

• podział według rodzaju urządzenia

Użytkownicy urządzeń z systemem Apple to w Polsce w dalszym ciągu nieco lepiej sytuowani konsumenci, niż osoby korzystające ze smartfonów z Androidem.

Możesz wykorzystać ten fakt, kierując do takiej grupy reklamy na Facebooku – droższe produkty mogą wyświetlać się użytkownikom np. iPhone’a X, a tańsze “operatorom” Samsungów (wyłączając oczywiście tzw. “flagowce”).

Ten typ analizy jest również ważny, jeśli chcemy ulepszyć wygląd sklepu na urządzeniach mobilnych.

Aby upewnić się, że twoi klienci rzeczywiście wydają więcej, niż inni, stwórz nowy segment, filtrując dane w sposób podobny jak poniżej:

• podział według płci, wieku, miejscowości (zwróć uwagę na podpowiedzi w momencie wpisywania nazwy miasta – w przypadku Warszawy musisz wpisać Warsaw, a np. w przypadku Krakowa – Krakow, czyli bez polskich znaków)

• według lojalności

Jak bardzo zaangażowani się twoi klienci? Czy odwiedzają cię codziennie, czy może wpadają raz i nigdy więcej nie wracają?

Aby się tego dowiedzieć, skorzystaj z Odsłon na użytkownika lub Utrzymania użytkownika w opcji Dane.

W powyższym przykładzie widzimy, że w tygodniu 0 z oczywistych względów mamy 100% utrzymanie odbiorców (jest to zawsze dzień pozyskania odbiorcy).

W kolejnych tygodniach spada ono drastycznie.

Tylko niemal 9% odbiorców powraca na stronę po tygodniu od pierwszych odwiedzin, które nastąpiły pomiędzy 17 a 23 lutego.

• według czasu od kliknięcia w reklamę do dokonania zakupu

Ile czasu musi upłynąć zanim odbiorca podejmie decyzję o zakupie po obejrzeniu reklamy?

Tego typu dane warto brać pod uwagę, gdy ustawiasz model atrybucji w narzędziach reklamowych.

Może się bowiem okazać, że odbiorca kupuje średnio po 3 dniach, podczas gdy twój model zlicza konwersje dla danej reklamy do maksymalnie 1 dnia po zobaczeniu jej.

• według czasu od pierwszych odwiedzin do dokonania zakupu z określonej kategorii produktów

Ile czasu potrzebują na dokonanie zakupu osoby zainteresowane kubkami, a ile meblami? Czy nowości wymagają dłuższego namysłu niż bestsellery?

Warto zadawać sobie tego typu pytania, aby lepiej dopasować przekaz reklamowy i analizę późniejszych wyników.

Może się tak zdarzyć, że cotygodniowy raport z działań nie obejmie zakupu, który odbędzie się miesiąc lub nawet dłużej po zobaczeniu reklamy.

Tymczasem to zasługa tej, a nie innej reklamy, że odbiorca wszedł do sklepu i podjął decyzję zakupową.

• według czasu spędzonego na stronie

Pragniesz zainteresować młodych odbiorców swoją stroną www? Sprawdź w analizie kohortowej, jak bardzo zainteresowani są twoimi treściami, w porównaniu do starszych klientów.

Możliwe również, że to osoby po 50. roku życia wchodzą na stronę i nigdy nie wracają, bo np. czcionka, którą ustawiłeś jest zdecydowanie zbyt mała lub brakuje opcji przelewu tradycyjnego/pobrania, z których szczególnie lubią korzystać osoby z pokolenia X.

Dzięki analizie kohortowej szybko dowiesz się, który scenariusz jest bardziej prawdziwy.

Warto zachować ustawiony w pocie czoła raport, aby w przyszłości analizować inne kohorty i okresy czasowe.

Zrobisz to w prosty sposób – kliknij Zapisz w prawym górnym rogu ekranu i nazwij go w dowolny sposób.

Możesz również automatycznie udostępniać raport w odstępach czasowych lub jednorazowo. Trafi on na skrzynki pocztowe osób, które wpiszesz po kliknięciu w Udostępnij.

Analiza kohortowa w Google Analytics to rzadko używany, mało znany i jednocześnie niezwykle funkcjonalny raport.

Dzięki niemu możesz bardziej precyzyjnie targetować odbiorców w swoich reklamach, dostarczyć lepsze doświadczenie pod kątem UX strony oraz zrozumieć, ile czasu potrzebują klienci, aby dokonać zakupu.

Zapisz kilka najważniejszych raportów “na później” i wracaj do nich regularnie. W ten sposób na stałe stworzysz nawyk poznawania swoich klientów na przestrzeni tygodni, a nie jednego lub dwóch dni.

Chcesz dowiedzieć się więcej o marketingu online?

Sprawdź moje inne artykuły:

• Analityka:

Znaczniki UTM, czyli prosty sposób na sprawdzenie wejść na stronę. Duży Poradnik

Jak uniknąć błędów statystycznych w testach A/B?

Testy A/B – Poradnik dla Początkujących

Google Data Studio 2019 – Poradnik dla początkujących

Segmenty w Google Analytics – Kompleksowy Poradnik

Atrybucja w Google Analytics cz.1 – Czym są ścieżki wielokanałowe?

Atrybucja w Google Analytics cz.2 – Czym są modele atrybucji?

Darmowe narzędzie do SEO, czyli Search Console – Poradnik Użytkownika

• E-biznes:

Serie artykułów:

Promocja Lokalnej Firmy w Internecie

Wielki Poradnik marketingu szeptanego

Kompendium Wiedzy o MLM

Marketing Mix – Poradnik

Content Marketing od A do Z

Artykuły:

Marketing Afiliacyjny – co to jest? Jak na nim zarobić? Kompleksowy Poradnik

Google AdSense – czy w 2019 roku można jeszcze na nim zarobić? Wielki Przewodnik

Content Marketing – dlaczego działa u innych a u ciebie nie? Korzyści i problemy

Marketing szeptany – cz I. Jak stworzyć viral? Wielki Poradnik

Marketing szeptany – cz. II. 5 ważnych składników. Wielki Poradnik